OFDM水声通信系统语音信号的小波包消噪方法

在阐述和构造了正交频分复用（OFDM）水声通信系统的基础上,利用小波包分解与重构对OFDM水声通信系统进行语音信号消噪处理。小波包分解方法依据信号与噪声小波变换系数分布特性不同来进行,首先将语音信号分层,确定最佳小波包分解树,再进行阈值量化,完成小波包分解,并对所得阈值进行消噪处理,最后利用小波包逆变换重构传输信号。计算机仿真结果表明在OFDM水声通信系统中利用小波包分解方法对语音信号进行处理,可有效消噪,并可较为完整地保存有效信号。     

OFDM水声通信系统语音信号的小波包消噪方法

在阐述和构造了正交频分复用(OFDM)水声通信系统的基础上,利用小波包分解与重构对OFDM水声通信系统进行语音信号消噪处理.小波包分解方法依据信号与噪声小波变换系数分布特性不同来进行,首先将语音信号分层,确定最佳小波包分解树,再进行阈值量化,完成小波包分解,并对所得阈值进行消噪处理,最后利用小波包逆变换重构传输信号.计算机仿真结果表明在OFDM水声通信系统中利用小波包分解方法对语音信号进行处理,可有效消噪,并可较为完整地保存有效信号.     

基于小波包一混沌支持向量机的液压泵压力信号预测

针对液压泵压力信号呈现的非线性、非平稳的特性,提出一种将小波包分析、相空间重构理论与支持向量机(SVM)相结合的预测方法,实现液压泵压力信号监测数据的建模及预测。首先将采集到的压力信号通过小波包进行分解,将分解得到的各个分量进行重构,其次对重构后的每一个分量通过混沌支持向量机预测模型进行预测,最后对各预测值进行合成。试验数据表明,该方法能够有效地预测液压泵压力信号的变化趋势,具有较高的预测精度,可有效地应用于系统的状态监测和故障预测。     

基于神经网络的管道泄漏声波信号特征识别

文中采用小波包和神经网络结合起来用于声波信号诊断的方法来提高泄漏检测的准确率.该方法首先对声波信号进行小波包分解,将各频带内的分解系数重构,得到在每个分解节点上构成的新时间序列的参数,将这些参数通过BP神经网络进行智能识别,来区分故障原因.文章最后对现场实验数据及其信号分析结果进行了研究,实验结果表明,该方法可以有效地提高管道泄漏信号识别的准确度.     

基于现代非线性理论的汽轮发电机组故障诊断技术研究

运用小波理论、分形理论和混沌理论等非线性理论,对汽轮发电机组转子故障进行了综合分析和研究。对 所测某28 MW发电机组转子在三种不同工作状态下的时间序列进行了关联维数计算、小波包分解以及最大李雅 普诺夫指数计算,并结合其相轨迹图和庞加莱截面进行了分析与研究。结果表明,小波包分解重构技术具有很强 的消噪和非平稳信号提取能力;发电机组转子在不同工作状态下其时间序列的关联维数、李雅普诺夫指数具有明 显差别,且两量值相互补充、相互对应。由此提出:关联维数、最大李雅普诺夫指数可以作为刻画发电机组机械 故障特征的综合量化指标。该研究为非线性运动系统的在线监测、故障诊断和状态预测开辟了有效途径。     

基于小波理论改进的灰色预测方法

提出一种基于小波分析理论的灰色预测方法，以此方法将非平稳时间序列分解到不同尺度上以减少原始序列的随机性，然后用传统的灰色预测模型对重构后的时间序列分别进行预测，最终得到预测值。利用该方法对旋转机械零件的裂纹扩展进行了动态预测，取得了良好的效果。     

基于LabVIEW的机械故障信号小波包分解和重构

给出了一种基于LabVIEW快速实现信号的小波包分解和重构的方法.在LabVIEW的高级信号处理工具箱中包含了小波包信号分解和重构的模块,利用这些模块快速实现了小波包分解和重构,针对现在利用这些模块进行编程的资料有限,编译了相关的小波包分解和重构程序,以便于虚拟仪器的架构和故障的快速诊断.最后用仿真信号进行了小波包的分解和重构,证实了该办法的可行性.     

运用小波分析对非平稳时间序列的灰色预测

作者提出一种基于小波分析理论的灰色预测方法,以此方法将非平稳时间序列分解到不同尺度上以减少原始序列的随机性,然后用传统的灰色预测模型对重构后的时间序列分别进行预测,最终得到预测值.利用该方法对旋转机械零件的裂纹扩展进行了动态预测,取得了良好的效果.     

基于小波去噪和FG-Markov的货运量预测（英文）

为消除传统灰色马尔科夫预测模型的灰色偏差及抗干扰性能,考虑货运量预测的随机性和非线性特征,提出了基于小波变换和模糊灰色马尔科夫(FG-Markov)的货运量预测模型。基于小波包对非平稳随机信号的数据分析能力,运用小波包分解策略,对货运量历史数据进行小波包分解。在此基础上,引入模糊灰色变量,提出了模糊灰色马尔科夫链(FG-Markov)来获取小波包系数转移概率矩阵,并通过重构小波包系数进行货运量预测。为验证预测模型的有效性和精确度,将其应用于兰州铁路枢纽集装箱货运量预测,并与神经网络等预测模型进行了比较分析。实例分析表明,基于小波和FG-Markov的预测模型可以提高预测精度。     

小波时间序列在空调负荷预测中的应用

提出将小波分析和时间序列应用于空调负荷预测;利用小波分析可以将空调负荷序列通过小波分解一层一层分解到不同的频率通道上,分解后序列的平稳性比原始序列好得多.其小波分解后的序列用时间序列模型来预测,最后再合成得到原时间序列的预测值.预测结果表明,该模型应用于空调负荷预测具有较高的预测精度,而且明显优于传统的时间序列模型.     

结点阈值小波包变换语音增强新算法

人耳频率分辨率是非线性的,而小波包算法有灵活的时频分析能力,可较好的模拟人耳基底膜的频率分析特性。本文提出了一种新的基于结点阈值的小波包变换语音增强算法。采用Bark尺度小波包对含噪语音进行分解,在语音信号的子带层次上进行阈值操作,并采用软阈值方法进行阈值处理。采用谱熵法估计结点噪声。实验表明,该算法在多种噪声,尤其是有色噪声和非平稳噪声条件下均有较好的语音增强效果。     

基于小波包变换与样本熵的滚动轴承故障诊断

针对滚动轴承振动信号的不规则性和复杂性可以反映轴承故障的发生和发展,提出一种基于小波包变换与样本熵的轴承故障诊断方法。样本熵可以较少地依赖时间序列的长度,将轴承振动信号进行3层小波包分解,利用分解得到的各个频带的样本熵值作为特征向量,利用支持向量机对轴承故障进行分类。对轴承内圈故障、滚动体故障和外圈故障3种故障及不同损伤程度的实测数据进行实验,结果表明该方法取得较高的识别率,具有一定的工程应用价值。     

基于小波包能量累积变异的梁桥损伤识别试验

基于小波包分析方法可以捕捉到结构状态改变导致的频带能量分布变化的特征,提出了小波包能量累积变异指标来识别结构损伤,并将该指标应用到室内两跨连续梁模型桥的损伤识别中.车辆激励、锤击激励和环境激励3种不同激励源的测点实测加速度时程响应分析研究结果表明,激励信号能量大小的不同会导致小渡包能量累积变异值的差异,联合多个测点响应的小波包能量累积变异指标值可以判别结构的不同损伤状态.     

基于小波包分解与主流形识别的非线性降噪

为解决工程实际中强噪声、非线性且频率成分复杂的振动信号降噪问题,提出了基于小波包分解和主流形识别的非线性降噪方法。采用小波包分解将原始振动信号正交无遗漏地分解到各频带范围内,根据各子频带中信噪空间分布,分别采用相应参数对小波包分解系数进行相空间重构;采用局部切空间排列(local tangent space alignment,LTSA)主流形识别方法在高维相空间中实现信号与噪音的分离,并重构出降噪后的一维小波包分解系数,最后进行小波包分解重构得到降噪后的振动信号。通过仿真实验和实例应用对本文所提方法的有效性进行了验证,试验结果表明本文方法具有良好的非线性降噪能力。     

基于小波免疫系统的超声无损检测数据判读研究

根据小波包分析和人工免疫系统的原理,提出了一种基于小波免疫系统的超声检测缺陷分类判读系统。针对小波包分析的特点,将其用来对超声回波信号进行分析,获取信号特征向量作为原始数据,利用匹配算法对原始数据进行自我-非我分析。将此系统应用到航空锻件缺陷分类判读中,取得了良好的效果。     

基于小波包变换的小电流故障选线算法研究

随着变电站配网出线数目的增大,小电流接地系统单相接地故障总的次数也在逐渐增多,为了能快速有效地辨识出故障线路,首先从小电流接地系统出现单相故障后所形成电流的特征分量出发,研究了不接地和经消弧线圈接地系统的单相接地故障选线依据;并在此基础上,利用小波包变换提取故障时刻的高频分量,通过小波包系数极性选出故障线路;最后,通过仿真分析验证了选线算法的正确性。     

基于CompactRIO的航空发动机便携式测试仪

针对当前航空发动机试验测试系统存在的问题,介绍了一种基于M CompactRIO的航空发动机便携式测试系统,详细阐述了该系统的结构设计及软、硬件实现方法.针对测试信号所含噪声以均匀白噪声和高斯白噪声为主,通过测试对比小波去噪与小波包去噪,最终选用小波包去噪并将此算法添加到上位机程序中,通过现场测试,取得了良好效果.     

小波包时频分析及其特性

在两种典型的非平稳信号分析方法--小波包变换与短时傅里叶变换的基础上,综合两种方法的优点,提出了小波包时频方法.建立了相应的小波包时频分量谱、小波包时频分量幅度谱、小波包时频谱、小波包时频幅度谱等概念.证明了小波包时频分析的能量守恒性,形成了一套较完善的分析体系.算例表明,该分析方法在诊断奇异、检测信号深层次细节等方面具有一些独特性质.     

基于Volterra级数的提升小波变换边界处理及应用

针对现有的提升小波变换容易产生边界振荡和频率混叠的不足,提出了一种将Volterra级数模型和抗混叠提升小波包相结合的信号处理方法.首先对信号两端进行数据延拓,用二阶Volterra级数预测模型对延拓信号进行预测;然后用抗混叠提升算法对信号进行小波包分解.对仿真信号进行边界处理后,信号在边界不会出现振荡现象;用抗混叠提升小波包对信号进行分解不会引起频率混叠现象.工程应用中,从强大的背景噪声中提取出了往复泵柱塞与缸套碰磨产生的微弱振动冲击信号,诊断出了密封盘根过度磨损的故障.